人工智能见微知著，提前三年检测骨关节炎发展

匹兹堡大学（University of Pittsburgh ）医学院和卡内基梅隆大学（Carnegie Mellon University）工程学院的研究人员创建了一种机器学习算法，可以从MRI扫描图像中根据医生肉眼看不到的细微征兆，在症状开始之前几年预测出骨关节炎的发生。这些结果近日在《美国国家科学院院刊》（Proceedings of the National Academy of Sciences）上在线发布。

目前，骨关节炎的主要治疗方法是关节置换，膝盖置换术是美国45岁以上人群中最常见的手术。研究人员希望通过这种预测方法，患者有一天可以接受预防性药物治疗，而不必进行关节置换手术。

共同作者之一Kenneth Urish博士说：“诊断关节炎的金标准是X射线。随着软骨的恶化，骨骼之间的间隙减小。问题是，当在X射线上看到关节炎时，损伤已经发生。与试图使其重新生长相比，防止软骨崩塌要容易得多。”

在这项工作中，研究人员借助了一项骨关节炎计划（Osteoarthritis Initiative）的数据，该计划对数千人进行了长达7年的追踪，可以通过MRI图像看到他们的膝盖骨关节炎如何发展。

研究人员集中关注了其中在开始时几乎没有软骨损伤迹象的患者。由于现在可以知道这些受试者中哪些后来发展出了关节炎、哪些没有，计算机使用这些信息来学习症状发生之前其MRI扫描图像中的微妙征兆，用来预测未来的骨关节炎风险。

研究人员采用一部分数据进行了模型训练，随后用另一部分在训练时未采用的患者数据进行了验证。结果显示，该算法在症状发作前三年通过MRI图像预测骨关节炎的准确性达到了78％。

研究人员指出，目前虽然有几种有效药物可以预防患者发展相关病症（类风湿关节炎），但尚无药物用于预防症状前骨关节炎发展恶化。而在候选药物的临床前试验中，Kenneth Urish博士希望可以利用这种人工智能加快为患者带来新药：“我们不必招募几千人然后追踪10年，而是可以招募50名我们知道将在未来两到五年内患上骨关节炎的受试者，然后看看实验药物是否可以阻止疾病发展。”(生物谷Bioon.com）